PADDS Algorithm Assessment for Biobjective Water Distribution System Benchmark Design Problems
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Two implementations of the Pareto archived dynamically dimensioned search (PADDS) algorithm using different selection metrics are applied to 12 water distribution network (WDN) design benchmark problems from the literature. Convex hull contribution (CHC) and hypervolume contribution (HVC) are used as selection metrics for PADDS making this study the first to assess their relative performance on WDN design problems. Past research applied five state-of-the-art multiobjective evolutionary algorithms (MOEAs) to these 12 benchmark problems to generate the best-known Pareto fronts (PFs). The PADDS-CHC and PADDS-HVC both find all solutions on the known true PFs of the first three problems. Together, both PADDS results augment the previously best-known PFs in the nine other benchmark problems with new PF solutions, some of which dominate previous best-known PF solutions, to define updated best-known PFs. Comparative results against five state-of-the-art MOEAs show PADDS derived best-known PFs are equal or better than all other algorithms in 11 of 12 WDN design problems. A comprehensive comparison between PADDS-CHC and PADDS-HVC performance on the largely convex benchmark problem Pareto fronts reveals the different responses of PADDS algorithm to increment of computational budget. An innovative measure called effective archive size (EAS) is introduced to quantify the portion of PADDS archived solutions that play the dominant role in directing PADDS toward the final PF. Tracking the EAS value throughout the search revealed that compared with PADDS-HVC, the EAS of PADDS-CHC is typically close to an order of magnitude smaller. In fact, the PADDS-CHC algorithm generates candidate solutions from a surprisingly small effective archive size that ranges from only 16 to 73 solutions across the 12 benchmark WDN problems while being only 24 for the largest problem.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle